-
ndim：维度
-
shape：行数和列数
-
size：元素个数
import numpy as np #导入numpy
array = np.array([[1,2,3],[4,5,6]]) #创建数组
print(array)
[[1 2 3]
[4 5 6]]
print('number of dim:',array.ndim) # 维度
print('shape :',array.shape) # 行数和列数
print('size:',array.size) # 元素个数
number of dim: 2
shape : (2, 3)
size: 6
指定数据 dtype
a = np.array([2,23,4],dtype=np.int)
print(a.dtype)
a = np.array([2,23,4],dtype=np.int32)
print(a.dtype)
a = np.array([2,23,4],dtype=np.float)
print(a.dtype)
a = np.array([2,23,4],dtype=np.float32)
print(a.dtype)
int32
int32
float64
float32
创建特定数据
a = np.array([[2,23,4],[2,32,4]]) # 2d 矩阵 2行3列
print(a)
[[ 2 23 4]
[ 2 32 4]]
创建全零数组
a = np.zeros((3,4)) # 数据全为0，3行4列
print(a)
[[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]]
创建全一数组, 同时也能指定这些特定数据的 dtype:
a = np.ones((3,4),dtype = np.int) # 数据为1，3行4列
print(a)
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
创建全空数组, 其实每个值都是接近于零的数:
a = np.empty((3,4)) # 数据为empty，3行4列
print(a)
[[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]]
用 arange 创建连续数组:
a = np.arange(10,20,2) # 10-19 的数据，2步长
print(a)
[10 12 14 16 18]
使用 reshape 改变数据的形状:
a = np.arange(12).reshape((3,4)) # 3行4列，0到11
print(a)
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
用 linspace 创建线段型数据:
a = np.linspace(1,10,20) # 开始端1，结束端10，且分割成20个数据，生成线段
print(a)
[ 1. 1.47368421 1.94736842 2.42105263 2.89473684 3.36842105
3.84210526 4.31578947 4.78947368 5.26315789 5.73684211 6.21052632
6.68421053 7.15789474 7.63157895 8.10526316 8.57894737 9.05263158
9.52631579 10. ]
同样也能进行 reshape 工作:
a = np.linspace(1,10,20).reshape((5,4)) # 更改shape
print(a)
[[ 1. 1.47368421 1.94736842 2.42105263]
[ 2.89473684 3.36842105 3.84210526 4.31578947]
[ 4.78947368 5.26315789 5.73684211 6.21052632]
[ 6.68421053 7.15789474 7.63157895 8.10526316]
[ 8.57894737 9.05263158 9.52631579 10. ]]
numpy 的几种基本运算
import numpy as np
a=np.array([10,20,30,40])
b=np.arange(4)
print(a)
print(b)
[10 20 30 40]
[0 1 2 3]
求两个矩阵之间的减法
c=a-b
print(c)
[10 19 28 37]
求两个矩阵之间的加法
c=a+b
print(c)
[10 21 32 43]
求两个矩阵之间的乘法
c=a*b
print(c)
[ 0 20 60 120]
求两个矩阵之间的乘方
c=b**2
print(c)
[0 1 4 9]
进行函数运算（以sin函数为例）
c=10*np.sin(a)
print(c)
[-5.44021111 9.12945251 -9.88031624 7.4511316 ]
对print函数进行一些修改可以进行逻辑判断：
print(b<3)
[ True True True False]
多行多维度的矩阵计算
a=np.array([[1,1],[0,1]])
b=np.arange(4).reshape((2,2))
print(a)
print(b)
[[1 1]
[0 1]]
[[0 1]
[2 3]]
对应行乘对应列得到相应元素：
c_dot = np.dot(a,b)
print(c_dot)
[[2 4]
[2 3]]
c_dot_2 = a.dot(b)
print(c_dot_2)
[[2 4]
[2 3]]
sum(), min(), max()的使用：
import numpy as np
a=np.random.random((2,4))
print(a)
[[0.35988859 0.90074043 0.84605958 0.6178183 ]
[0.1524533 0.26544464 0.78397802 0.64831684]]
np.sum(a)
4.574699696130096
np.min(a)
0.15245330073817986
np.max(a)
0.9007404268486401
对行或者列进行查找运算:
print("a =",a)
print("sum =",np.sum(a,axis=1))
print("min =",np.min(a,axis=0))
print("max =",np.max(a,axis=1))
a = [[0.35988859 0.90074043 0.84605958 0.6178183 ]
[0.1524533 0.26544464 0.78397802 0.64831684]]
sum = [2.7245069 1.8501928]
min = [0.1524533 0.26544464 0.78397802 0.6178183 ]
max = [0.90074043 0.78397802]